HIP: record direct atomic PSF timings

gpu_psf_acceleration_plan.md

@@ -174,10 +174,16 @@ HIP direct-atomic 的当前实现状态：
 3. RX 9070 上的 640×360 固定 Minkowski catalog HDR 对照逐样本一致；含 2 个 cache 事件与
    1 个 direct fallback 的 `tests/data/hip_psf_mixed_catalog.csv` 场同样逐样本一致。GPU failure
    会打印阶段与 HIP 错误并令该帧返回失败，不会切换到 CPU backend。
-4. 待记录端到端基准的完整命令和原始输出：Git hash、CPU threads、GPU/runtime、块大小、上传、
-   kernel、download、分辨率、catalog、PSF 及所有 fallback 统计。
-5. 只在 direct atomic profile 显示热点竞争是主要瓶颈时，比较 tile-local reduction；ATRI 的
-   整帧收集／重排同样必须以端到端收益证明。
+4. 已在 RX 9070 上记录一个受控的高密度 endpoint：54,160 星的 1920×1920、0.6 deg
+   2MASS tile 产生 26,172 个 cache event、零 direct fallback。HIP 的 2 个 batch 中 H2D
+   为 0.073 ms、kernel 为 2.950 s、D2H 为 11.256 ms；CPU/HIP PNG 字节一致。完整命令、
+   原始输出、Git 基线、线程、设备、分辨率和 PSF 参数见
+   `benchmarks/hip_psf_direct_atomic_dense_tile_2026-09-05.md`。
+5. 该 endpoint 说明当前时间主要位于 device kernel，而非 PCIe；它**不能单独证明** kernel
+   时间主要来自热点 atomic contention（仍混有每 event 的 PSF 遍历与 cache 读取）。因此暂不
+   实现 tile-local reduction。下一步应在资源隔离条件下，以不同屏幕密度和 PSF 支持域分离竞争
+   效应；只有该证据显示竞争为主导且 tile-local 的整帧端到端测量获益时，才保留分桶／重排实现。
+   ATRI 的整帧收集／重排同样必须以端到端收益证明。
 6. HIP 路径稳定后再评估 Vulkan 的可移植后端及其他机器的实际设备矩阵。
 
 每一步独立提交，并保持 CPU reference、GPU runtime 层和 shader 资源的提交边界清晰。